2017년 현재, 보험산업에 인공지능을 적용하는 것과 관련한 주장이나 기사들의 대부분 아이디어 차원이며, 정교한 논문이나 특허 출원은 찾기 어려우며, 대표주자인 KPMG나 PWC도 간만보는 수준입니다.

How machine learning is changing the insurance…

Is Artificial Intelligence the Future of Insurance..

AI in Insurance: 5 Use Cases | Insurance Networking News

How artificial intelligence could help make the insurance industry …

이 글도 AI에 기반을 둔 무인자율보험의 구체적인 코딩 절차라기 보다, 접근 방식에 관한 아이디어지만, 그나마 지금까지의 AI 보험에 관한 어떤 글보다 구체적입니다.   

Image source: KPMG

종래의 보험 상품과 AI 기술이 적용된 보험 상품 간의 두드러진 차이는 두 가지로, 첫째는 보험 항목의 세분화입니다. 가령, 종래의 자동차 보험은 사고의 종류에 관계없이 그 피해 규모에 따라 일괄적으로 보상금액이 산정되지만, AI 보험은 접촉사고, 후방추돌사고, 차선위반사고, 과속사고 등 사고의 종류에 따라 제각기 상이한 보험 정책(Insurance Policy)를 적용할 수 있습니다. 두번 째 차이점은 보험을 복지의 일환으로 자리매김할 수 있는 점입니다.  보험 정책의 세분화는 경제학적으로 수익자 부담의 원칙, 그리고 회계의 수입-비용 일치의 원칙을 실현하므로, ‘가이사의 것은 가이사에게'로 표현되는 시장 경제의 대원칙을 더욱 강화할 수단입니다.  한편, 보험은 빅데이터 기술의 최적지인데, 그 적용 과정을 편의상 세 단계로 나눠 기술합니다.

첫 단계는 보험정책이 커버(Cover)할 재난, 재해, 사고, 질병, 및 기타 돌발적 상황을 종류를 세밀히 분류하는 작업입니다. 건강보험을 예로 들면, 의학 기관이 분류한 질환의 종류 각각을 보험 정책이 적용되는 독립적인 항목으로 기술하는 작업입니다. 종래의 보험사가 제공하는 보험 상품 종류를 현저히 초과하는 방대한 목록입니다.   

둘째 단계는 보험 상품 각각의 책임 소재를 국가, 단체 및 개인으로 분류하는 작업입니다. 이를 테면, 유전적 난치병의 책임 소재는 국가, 직업병은 관련 기업, 흡연과 음주와 같은 생활 습관에 기인한 질환은 해당 개인이 책임지는 등의 사회적 합의를 도출해야 합니다.     

셋째 단계는 실제 AI 프로그램을 코딩하는 단계이며, 가능한 많은 곳에서 가능한 다양한 종류의 데이터를 수집하고, 수집된 데이터와 보험료를 지급할 항목 속성 간의 연관성을 도출하여, 상관관계에 관한 유용한 정보를 획득한 뒤, 예상되는 손해 사정액을 원인 인자의 비용에 부가하는 과정입니다. 예를 들어, 간경화와 음주 간의 유의미한 상관 관계가 입증될 경우, 주류 가격에 간경화 질환의 보험료를 부과하는 방법으로, 술을 마시지 않는 사람들이 간경화 치료를 위한 사회적 비용을 분담하는 부조리를 줄일 수 있습니다.

구체적으로, 국내에 시판되는 술 종류가 소주 뿐이라 가정하여, 간경화 환자의 평균 치료 비용이 1천만원이고, 환자 중 지속적 음주자의 비율이 70%이며, 지속적 음주자 중 간경화가 발병 확률은 5%, 발병까지 평균 기간은 10년, 음주 횟수는 주 2회, 평균 주량은 소주 1병, 화폐의 현재가치(PV: present value of money)를 위한 할인율이 3%라 가정하면, 아래 금액을 현재가치로 환산하는 방법으로 소주 1병에 부과될 간경화 보험료를 산출할 수 있습니다.

PV of [10,000,000(치료비) x 0.05(발병율) x 0.7(음주자 비율)]/(365/7 x 2 bottles x 10 years)

따라서, ANN(Artificial Neural Network) 작성자는 적어도 아래 네 개의 상호 독립적인 신경망을 작성해야 합니다. 국가 귀책 사유를 제외한 개인 또는 기관 귀책 항목에 대해;

1. 통상의 비감독 기법을 이용하여, 보험 항목 각각(가령, 간경화)의 유관 속성 그룹(가령, 음주)을 도출할 ANN(Artificial Neural Network)을 작성하고,

2. 도출된 유관 속성 각각의 공헌(Contribution) 비율을 결정할 ANN을 작성하며,

3. 건강보험 데이터 등을 자료로 하여, 각 보험 정책이 커버하는 항목 각각의 평균 비용을 산출할 ANN을 작성하고,

4. 산출된 비용을 유관 속성 각각에 분배할 ANN을 작성해야 합니다.

AI 기반의 보험은 논리적으로 단순하지만, 아직까지 관련 논문이 없을만큼 미개척지입니다. 보험계리사 업무와 머신러닝 중급 이상의 독자들이 도전해보길 바랍니다. 이미 관련 기술들이 대부분 공개된 상태이므로, 계리사 업무와 머신러닝 두 분야 모두에 익숙한 전문가 10명이 2년 정도 공동 개발하면 상당한 성과가 있을 것으로 봅니다.

PS> 무인자율보험은 모 단체가 주관하는 AI 브레인 스토밍 게임 항목에 포함됩니다. 해당 단체의 요청으로 명칭을 공개하는 못하는 점 양해바랍니다.